Veit Siegenheim

ist Leiter der Advisory-Abteilung bei Avanade

Data & Storage

Was anstellen mit den Daten?

Jede KI ist nur so gut, wie die ihr zu Grunde liegende Datenbasis. Beim Blick auf nahende oder gerade entstehende Geschäftsmodelle sind darum das Verständnis und die Nutzung der vorhandenen Informationen essenziell. Dieser Dringlichkeit zum Trotz ist es um die operative Umsetzung von Analytics-Projekten nicht immer zum Besten bestellt. Es fehlt an Wissen und Experten.

Eine von Wakefield Research durchgeführte Umfrage zeigt, dass Unternehmen nach wie vor Probleme damit haben, aus ihrem wertvollsten Schatz Kapital zu schlagen: ihren Daten. Das Stichwort lautet hier Advanced Analytics. Was die desbezüglichen Möglichkeiten und Auswirkungen angeht, denken 56 Prozent der deutschen Studienteilnehmer, dass ihrem Team zumindest teilweise entsprechende interdisziplinäre Skills fehlen – etwa ein Mix aus Fachexperten sowie Finance- und Business-Mitarbeitern. 43 Prozent sehen sich hier sogar sehr schlecht aufgestellt. In Summe haben also 99 Prozent ein Team, das nicht wirklich vorbereitet ist für die Aufbereitung und Kapitalisierung des zentralen Unternehmens-Assets.

Die Wissenslücken verteilen sich dabei recht regelmäßig über die hierzulande Befragten: 19 Prozent fanden es schwierig, Zugang zu den passenden Daten zu erhalten und diese damit überhaupt erst einsammeln zu können. Weitere 17 Prozent gelangen nicht zum richtigen Analyse-Weg. 18 Prozent vermissen Recruiting-Erfolge, denn sie haben Probleme, die richtigen Experten zu finden. 16 Prozent schaffen es nur unzureichend, echten Nutzen aus den Daten zu ziehen. Zwölf Prozent sind sich nicht so ganz sicher, welche Daten sie verwenden sollen, und 18 Prozent der Befragten sehen als Herausforderung, die passenden Daten zu erkennen.

Von allem ein bisschen

Echte Ausreißer fallen also nicht auf – das ist jedoch nicht wirklich ein gutes Zeichen. Denn übersetzt bedeutet das doch, dass in über zwei Drittel der Unternehmen kein umfassendes Verständnis von Advanced Analytics vorhanden ist und dass die zugehörigen Probleme nicht einmal auf ein einzelnes und damit schnelles behebbares Problem einzukreisen sind. Eine Methode zur besseren Identifizierung von Daten oder ein Recruiting-Programm sind immerhin fixer aufgelegt, als sich ein kompletter Paradigmenwechsel bewerkstelligen lässt.

Wer nun all diese Herausforderungen aufsummiert herunterbricht, gelangt zu der Erkenntnis: Es ist noch (immer) zu wenig Wissen in den Unternehmen vorhanden, was die Daten des Hauses angeht. Von „Nebenkriegsschauplätzen“ wie der DSGVO sei hier noch gar nicht die Rede… Fast scheint es so, als würde der Verdurstende vor dem Glas Wasser sitzen und nicht wissen, wie er es zu packen hat. Doch wie soll nur ein einziger Chatbot trainiert werden, wenn diese Basics nicht stimmen? Wie soll Machine Learning klappen, wenn nicht klar ist auf Basis von was gelernt werden soll, wenn das Learning also nicht funktioniert?

Schnelle Auswege sind gefragt

Tatsächlich ist keine Zeit für groß angelegte Programme und Zweijahrespläne, die diesen Zustand ändern. Hier sei auf meinen vorherigen Beitrag verwiesen, der unter anderem die Dimensionen der Änderungen rund um die Digitalisierung illustriert, samt der einmaligen Geschwindigkeit. Die Aufbereitung der Daten ist die absolute Pflicht, das sind die Hausaufgaben, die bereits lange erledigt sein sollten.

Wenn Unternehmen hier noch Probleme haben, helfen in der Tat nur Sofortmaßnahmen am Unfallort. Dazu zählt auch, bei der Talentgewinnung mit eventuell vorhandenen alten Gewohnheiten und Restriktionen zu brechen und deutlich mehr zu investieren. Expertise im eigenen Unternehmen aufzubauen ist ein wichtiger Schritt, doch er darf nicht die Verstärkung von außen behindern. Auch wenn HR-Abteilungen so kurzfristig zu einem bedeutsamen Kostenblock werden. Darüber hinaus ist die Einbeziehung von externen Experten ratsam, die Erfahrung bei der schnellen Aufbereitung solcher Basis-Herausforderungen haben.

Rat bei Partnern suchen

Um ein Bild zu bemühen: Wenn es in einem Dorf brennt, ist es (für diesen Brand) zu spät, eine eigene Feuerwehr aufzubauen. Das Nachbardorf kann helfen. So sollten es auch Unternehmen verstehen, statt sich im komplexen Aufbau eigener Fachabteilungen zu verlieren. Make or Buy – eine alte Frage in der Geschäftswelt, und oft genug ist Buy! die richtige Antwort. Die potenziellen Verluste werden in vielen Fällen die Kosten für Externe deutlich übersteigen. Das weiß man aber immer erst im Nachhinein! Hier gilt es also, gesamtunternehmerisch klug zu handeln. Und wie gesagt: schnell zu handeln.

So trivial diese Worte klingen mögen, es gibt eine ganze Reihe von Unternehmen, die mit großer Gründlichkeit ihre IT-Abteilung entsprechend umgestalten und aufbauen. Währenddessen nutzt der Mitbewerber die Zeit, um die nächste Innovation auf den Markt zu bringen. Besonders tragisch ist, dass solche tradierten Denkmuster in einer komplexen Welt nicht einmal mehr technologisch aufgehen: Jenseits des unternehmerischen Erfolgs bleibt oft genug auch das fachliche Ziel unerreicht. Beispiel Blockchain: In der von Avanade beauftragten und von Wakefield durchgeführten Erhebung glaubten 90 Prozent der Befragten, sie wüssten über die Blockchain-Technologie Bescheid – 94 Prozent konnten aber auf Nachfrage kein Beispiel nennen, und erschreckende 84 Prozent nannten Beispiele, die nichts mit der Blockchain zu tun haben.

Es zählt nur eins: mit den Daten arbeiten

Wie auch immer der Weg des einzelnen Unternehmens aussehen mag: Jetzt ist die Zeit gekommen, mit den Daten zu arbeiten und sie weiter zu entwickeln, wie man das mit Mitarbeitern machen würde. Daten, die man schon einige Zeit hat, können durch Anreicherung mit neuen Daten einen ganz neuen Kontext erhalten und somit wichtige neue Informationen liefern. Wer an dieser Stelle noch Defizite hat, muss alle, wirklich alle Hebel in Bewegung setzen, um diese zu erkennen und schnellstmöglich zu minimieren. Denn die Urbarmachung der den Daten zu Grunde liegenden Informationen muss überdies ja auch noch parallel beginnen – in Zeiten agiler und fluider Entwicklung geht es nicht anders. Sonst bleibt nicht nur die KI dumm.